Glaze：通过文本到图像模型保护艺术家免受风格模仿
密码学与安全
2025-04-08 v6
摘要
近期诸如 MidJourney 与 Stable Diffusion 等文本到图像扩散模型威胁到专业艺术群体中的许多人。具体而言，模型可在对其艺术作品样本进行“微调”后学会模仿特定艺术家的艺术风格。本文描述 Glaze 的设计、实现与评估，该工具使艺术家能在线上分享前对其作品施加“风格斗篷”。这些斗篷对图像施加难以察觉的扰动，当被用作训练数据时，会误导试图模仿特定艺术家的生成模型。我们与专业艺术群体协作，对超过 1000 名艺术家开展用户研究，评估他们对 AI 艺术的看法，以及我们工具的有效性、可用性、扰动的可容忍度，和在不同场景及针对自适应对抗手段下的鲁棒性。受调查艺术家与基于 CLIP 的经验分数均表明，即使在低扰动水平（p=0.05）下，Glaze 在正常条件（>92%）及针对自适应对抗手段（>85%）时也高度成功地破坏了模仿。
引用
@article{arxiv.2302.04222,
title = {Glaze: Protecting Artists from Style Mimicry by Text-to-Image Models},
author = {Shawn Shan and Jenna Cryan and Emily Wenger and Haitao Zheng and Rana Hanocka and Ben Y. Zhao},
journal= {arXiv preprint arXiv:2302.04222},
year = {2025}
}
备注
USENIX Security 2023